[发明专利]基于电流特征指纹曲线自动识别灯具故障的AI算法

说明书

本发明公开了一种基于电流特征指纹曲线自动识别灯具故障的AI算法，首先训练获取正常灯具在常温下、高温下的电流特征指纹曲线，以及包含故障灯具的多个灯具在常温下、高温下的电流特征指纹曲线，然后将待检测灯具的电流特征指纹曲线与训练获取的电流特征指纹曲线进行相似度比对获得匹配曲线，并基于匹配曲线判断待检测灯具状态。本发明可实现故障灯具的实时判断，具有判断准确度高的优点。

技术领域

本发明涉及灯具状态识别智能AI算法领域，具体是一种基于电流特征指纹曲线自动识别灯具故障的AI算法。

背景技术

目前智能灯具普遍采用全球标准协议（DMX512协议），基于该协议虽然能够实现灯具的远程控制，但无法基于该协议获取灯具的实时故障状态，灯具故障只能通过人工巡检的方式进行检测，对于山体、景区等业态进行巡检存在人力成本过高的问题，进而造成运维部门难以及时获取灯具故障状态的问题。实际运维过程中，对于少量灯具失效且不影响景观的情况下是不进行维修更换。本专利主要是为了解决检测识别灯具失效而进行发明设计的。

发明内容

本发明的目的是提供一种基于电流特征指纹曲线自动识别灯具故障的AI算法，以解决现有技术智能灯具的实时故障状态无法获取的问题。

为了达到上述目的，本发明所采用的技术方案为：

基于电流特征指纹曲线自动识别灯具故障的AI算法，其特征在于：包括以下步骤：

（1）、令多个正常灯具分别播放相同的设定节目，并采集每个正常灯具播放设定节目过程中的实时电流值，采用神经网络对采集的各个正常灯具的实时电流值进行训练，生成第一电流特征指纹曲线；

（2）、选择包含若干个故障灯具的多个灯具分别播放相同的设定节目，并采集每个灯具播放设定节目过程中的实时电流值，采用神经网络对采集的每个灯具的实时电流值进行训练，生成第二电流特征指纹曲线；

（3）、将步骤（1）中多个正常灯具置于高温环境下，并令各个正常灯具分别播放相同的设定节目，同时采集每个正常灯具在高温环境下播放设定节目过程中的实时电流值，采用神经网络对采集的各个正常灯具高温环境下的实时电流值进行训练，生成第三电流特征指纹曲线；

（4）、将步骤（2）中的多个灯具置于高温环境下，并令各个灯具分别播放相同的设定节目，同时采集每个灯具在高温环境下播放设定节目过程中的实时电流值，采用神经网络对采集的各个灯具高温环境下的实时电流值进行训练，生成第四电流特征指纹曲线；

（5）、令待检测的多个灯具分别播放相同的设定节目，采集各个待检测灯具播放设定节目过程中的实时电流值，根据各个待检测灯具的实时电流值获得每个待检测灯具的电流特征指纹曲线，将每个待检测灯具的电流特征指纹曲线分别与第一、第二、第三、第四电流特征指纹曲线进行相似度比对，得到匹配曲线，若匹配曲线为第一、第三电流特征指纹曲线中的任意一个，则判断待检测灯具正常，若匹配曲线为第二、第四电流特征曲线的任意一个，则判断待检测灯具故障。

所述的基于电流特征指纹曲线自动识别灯具故障的AI算法，其特征在于：步骤（5）中，匹配时根据电流特征指纹曲线得到对应的电流特征曲线函数，再基于电流特征曲线函数进行相似度比对。

所述的基于电流特征指纹曲线自动识别灯具故障的AI算法，其特征在于：步骤（5）中，分别计算待检测灯具的电流特征曲线函数与第一、第二、第三、第四电流特征曲线函数之间的相似度，得到判断结果。

所述的基于电流特征指纹曲线自动识别灯具故障的AI算法，其特征在于：得到待检测灯具的判断结果时，实际检验判断结果是否存在误差，若存在误差则修正待检测灯具对应的匹配曲线，并更新该匹配曲线用于检测后续待检测灯具。